“网上知识获取”教学活动的设计

什么是信息?香农把信息定义为“不确定性的减少”,就是说信息越多,系统的确定性越高。任何能改变接收者认知结构的刺激物都是信息。而知识是“关于事实的思想的有组织的、有系统的陈述,提供某种经过思考的判断或某种实验的结果”。信息只有经过转化,才可以成为知识。如何寻找、评价信息?如何把凌乱的信息组织成结构良好的知识?本文针对信息素质的培养,设计了一个完整的网上知识获取的教学活动范例,在提供给有着不同计算机基础的小学生或中学生时,可适当根据情况施加以内容的增删。     

基于一种灵活、通用知识表达的知识获取工具设计

本文详细介绍了一种界面良好、方便实用的知识获取工具KAT的主要功能、知识表达形式及主要程序模块设计等关键技术，其界面良好、功能完善、使用方便，具有良好的通用性和开放性。     

基于模型的知识获取及其一个范式

一、引言 知识获取被认为是知识工程的瓶颈,正如NIIs-。n田所指出的:“·…系统所需的成百条规则和上千个事实往往都是靠访问有关应用领域的专家来获取的,要把专家们的知识表示成事实和规则(或者任何其它形式的表达式)往往是一个枯燥而费时的过程,使这种知识获取过程自动化将是人工智能技术的一大进步.回顾历史,第一代知识获取技术是七十年代所广泛采用的“会晤”方式,即由计算机专家与领域专家长期交流;第二代知识获取技术则以八十年代计算机的辅助应用为特色;进入九十年代后,人们提出了高度集成的知识获取环境,这种环境提供从编辑、有效…     

知识云及其在知识获取中的意义

如何有效地获取领域专家的知识一直被视为人工智能中的难题．本文的目的在于提出一种关于知识获取的基本观点，并以此观点为基础来研究知识获取问题．这个观点的基本内容是：象波尔的原于模型一样，在专家的知识周围有一些知识层．它们是认识和获取专家知识的突破口或入口．本文将这些知识层看成是知识云，同时将上述观点视作知识云假设．我们将讨论知识云的内涵，研究知识云假设的合理性，最后将阐述知识云这一概念在知识获取中的意义．     

知识获取研究

知识获取是知识从外部知识源到计算机内部的转换过程,是当前知识工程研究的热点和难点问题之一。该文阐述了知识获取的定义、方法和最终目标,重点介绍了显性知识和隐性知识的获取方法,并分析了这两类方法的优缺点,最后给出了知识获取的困难和一些改进思想。     

知识获取方法DECO

知识获取方法学是目前人工智能领域中最重要的分支之一,现在已出现了几种不同应用范围的获取方法,集成式知识获取方法的研究已成为当前的一种趋势,本文所介绍的DECO方法是一种集成式方法,它将知识获取分为若干个基本上相互独立的步骤,并且溶进了知识库快速生成技术以及基于专家分析实例的学习方法。     

机译知识自动获取

机译知识获取是机器翻译系统研究中一个至关重要又极难解决的问题。目前多数机译系统的知识库都是由人工静态建立的, 系统不能自行对其进行扩充。本文介绍了一个智能机译系统IMT/EC来统中用多种途径进行知识获取的学习机制的设计与实现。这一机制实现了自动知识获取及动态知识维护, 使IMT/EC来统有护强的适应能力。     

基于Web的种子驱动的“isa”关系的模式表示和获取

"isa"关系是知识获取中一种基本的语义关系,给出了中文"isa"关系的模式表示和获取方法。提出基于模式特征的种子选取算法和基于特征词的种子驱动的模式学习算法。实验说明了方法的有效性。     

面向机械设计的知识获取环境

在开发机械设计专家系统时，需要有效的知识获取环境，本文介绍了一个针对机械设计知识的特点所研制的面向机械设计领域的知识获取环境ＭＤＫＡＳ，其内容包括：知识表示和获取，知识库的组织，维护，管理及各种辅助模块，该系统在微机上用ＧＣＬＩＳＰ实现，经过运行使用，效果良好。     

根据观察获取知识

本文介绍一种建立知识库的学习方法。从人类专家吸取知识的知识获取系统有两种类型:交互式和非交互式的。本文介绍非交互式知识获取系统,它依据观察从人类专家获得知识。这种知识获取系统学习人类专家用以解决问题的策略和从瞬时序列数据中抽取逻辑规则,其学习方法是基于翻译的学习(IBL),在学习过程中要用到预备知识。IBL 有两个子系统:翻译系统和学习系统。前者负责把现实世界的信息翻译成内部规则形式,而规则维护系统负责生成和界定知识。本文将介绍翻译系统和规则生成的预处理过程。     

知识获取方法初探

本文着重讨论了当前交互式自动知识获取系统(AKAS)所使用的两种典型的知识抽取方法,并结合对方法的分析评述给出作者关于 AKAS 未来发展的看法。     

《天马》的知识自动获取

本文首先概述了基于实例的机器学习的几种方法,然后介绍了《天马》的知识自动获取功能,包括背景知识学习,增量式规则知识学习及知识求精。     

大规模数据库中的知识获取

一、前言数据是知识的潭泉,拥有大量的数据与拥有许多有用的知识完全是两回事.为了有效地利用大量的公共数据,必须更好地理解这些数据,并从其中快速、准确地发现知识.这里所说的知识是指大量数据中存在的规律性(r egularity)或不同属性值之间所存在的[I F THEN〕规则.将所获取的知识附加于仅由事实数据(fact data)构成的传统数据库上,既可强化数据库的查询能力,又可给数据库提供推理能力,     

知识获取模型的设计与探讨

介绍了MAS的组成和BDI Agent的结构,在此基础上提出了基于动态信任的MAS知识获取模型,并给出了基于模态逻辑的知识获取形式化框架,最后用形式化框架对知识获取模型进行了描述.